神经网络
Neural Network模拟生物神经元连接的计算模型，由输入层、隐藏层和输出层组成，通过反向传播训练，是深度学习的基础结构。
# 基础
# 深度学习
神经网络
基本单元——神经元： 接收多个输入，加权求和后经激活函数输出，控制信号是否「激活」。
网络结构：
输入层 → [隐藏层 1] → [隐藏层 2] → 输出层
每层都是一组神经元，层与层之间全连接（或部分连接）。
常见激活函数：
- ReLU：max(0, x)，最常用，训练快
- Sigmoid：输出 0-1，用于二分类输出
- Softmax：多分类输出，所有类概率和为 1
训练： 通过反向传播（Backpropagation）计算梯度，用梯度下降更新权重。
提示： 层数加深 = 深度学习；加宽（更多神经元/注意力头）= 更强表达能力。